The Unusual Case of Sexual Homicide Against Males: Comparisons and Classification
Notice bibliographique
Résumé
This study examines the specificities of sexual homicides involving male victims. First, this study aims to identify characteristics specific to SH involving male victims by comparing them to SH involving female victims and determine whether rational choice approach and routine activities theories are useful to explain the crime-commission process. Second, this study aims to provide the first empirical classification of SH involving male victims. The sample used in this research comes from the Sexual Homicide International Database (SHIelD) including 662 cases of cases-100 cases involving male victims and 552 involving female victims. Bivariate and multivariate analysis are performed to examine the differences between the two groups and latent class analysis is used to generate an empirical classification of cases involving male victims. Findings indicate the victim's gender plays an important role in the different choices made by sexual homicide offenders of male victims to successfully complete their crime. They adapted their crime-commission process to overcome the risks associated with a physical confrontation with a male victim (i.e., target selection, approach strategy, method of killing). Classification analysis suggests that it exists three different types of sexual murderers assaulting male victims: the robber sexual murderer, the sadistic sexual murderer, and the pedophile murderer. This research proposes the first empirical typology of sexual homicide involving male victims and provides both a true picture of the reality and a comprehensive understanding of this phenomenon.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».